CN113917509A - 一种双差模糊度固定方法、设备以及可读存储介质 - Google Patents
一种双差模糊度固定方法、设备以及可读存储介质 Download PDFInfo
- Publication number
- CN113917509A CN113917509A CN202111531592.6A CN202111531592A CN113917509A CN 113917509 A CN113917509 A CN 113917509A CN 202111531592 A CN202111531592 A CN 202111531592A CN 113917509 A CN113917509 A CN 113917509A
- Authority
- CN
- China
- Prior art keywords
- double
- difference
- observation
- ambiguity
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000012795 verification Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 340
- 238000013016 damping Methods 0.000 claims description 116
- 241001061260 Emmelichthys struhsakeri Species 0.000 claims description 95
- 238000005457 optimization Methods 0.000 claims description 83
- 238000005259 measurement Methods 0.000 claims description 68
- 238000012937 correction Methods 0.000 claims description 60
- 238000001514 detection method Methods 0.000 claims description 52
- 239000005436 troposphere Substances 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 9
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 26
- 238000010276 construction Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000005433 ionosphere Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
- G01S19/44—Carrier phase ambiguity resolution; Floating ambiguity; LAMBDA [Least-squares AMBiguity Decorrelation Adjustment] method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种双差模糊度固定方法、设备以及可读存储介质，相关实施例可应用于交通领域，该方法包括：获取观测数据，基于观测数据确定双差模糊度估计值，对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；获取双差模糊度表；若比率校验结果为校验不通过结果，则基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；若比率校验结果为校验通过结果，则根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。采用本发明，可以有效提高双差模糊度的固定率。
Description
技术领域
本申请涉及卫星定位技术领域，尤其涉及一种双差模糊度固定方法、设备以及可读存储介质。
背景技术
随着全球卫星定位技术的发展，厘米甚至毫米级的定位精度需求也越来越迫切，需求范围也越来越广泛，如测量测绘、无人驾驶、堤坝变形监控、室外自动作业机器人等领域都需要高精度的位置信息。因此，基于载波相位观测值的实时动态差分定位技术（Real-time kinematic，RTK）以其高精度、高可靠性等优点，得到了越来越多人的重视。
在RTK技术中，最常采用的是双差测量，可以进一步消除星历误差，以及电流层、对流层的延迟误差。但是，RTK技术中的载波相位观测量中存在一个模糊度，即接收到的载波相位与接收机产生的基准相位直接相位差的初始观测值所对应的整周未知数。模糊度是无法直接观测得到的，因此在双差测量中，如何正确固定双差模糊度，对于后续定位精度的准确性，十分重要。
现有方法中可以先确定双差模糊度对应的浮点解，然后基于动态搜索方法来确定双差模糊度对应的整数解，从而固定双差模糊度，但是搜索得到的双差模糊度不一定可用，换言之，可能需要进行多次搜索才能确定双差模糊度。双差模糊度的固定率较低，且双差模糊度的固定所花费的时间较长。
发明内容
本申请实施例提供了一种双差模糊度固定方法、设备以及可读存储介质，可以有效提高双差模糊度的固定率。
本申请实施例一方面提供了一种双差模糊度固定方法，包括：
获取观测数据，基于观测数据确定双差模糊度估计值，对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数；
获取双差模糊度表；双差模糊度表包括m个观测卫星分别基于参考卫星确定的历史双差模糊度固定值；m为正整数；m个观测卫星包含n个观测卫星；
若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；
若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。
本申请实施例一方面提供了一种双差模糊度固定装置，包括：
优选值确定模块，用于获取观测数据，基于观测数据确定双差模糊度估计值，对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数；
获取模块，用于获取双差模糊度表；双差模糊度表包括m个观测卫星分别基于参考卫星确定的历史双差模糊度固定值；m为正整数；m个观测卫星包含n个观测卫星；
继承固定模块，用于若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；
固定更新模块，用于若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。
其中，优选值确定模块，包括：
数据获取单元，用于获取观测数据；
第一构建单元，用于根据观测数据构建伪距双差观测方程矩阵和载波相位双差观测方程矩阵；
粗差剔除单元，用于对伪距双差观测方程矩阵和载波相位双差观测方程矩阵分别进行粗差探测和剔除处理，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵；优化载波相位双差观测方程矩阵包括h个观测卫星分别对应的双差模糊度未知变量；h为正整数； h个观测卫星属于n个观测卫星；
第二构建单元，用于根据观测数据构建伪距双差测量方程矩阵和载波相位双差测量方程矩阵；
变量获取单元，用于获取待估计未知变量；待估计未知变量包括h个观测卫星分别对应的双差模糊度未知变量；
估计单元，用于根据优化伪距双差观测方程矩阵、优化载波相位双差观测方程矩阵、伪距双差测量方程矩阵和载波相位双差测量方程矩阵，对待估计未知变量进行优化估计，得到h个双差模糊度未知变量分别对应的双差模糊度估计值；
搜索单元，用于对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值。
其中，参考卫星和n个观测卫星分别对应的观测数据包括基准站伪距观测值、基准站载波相位观测值、流动站伪距观测值以及流动站载波相位观测值；基准站伪距观测值和基准站载波相位观测值是由基准站观测得到的；流动站伪距观测值和流动站载波相位观测值是由流动站观测得到的；
第一构建单元，包括：
第一确定子单元，用于根据参考卫星和n个观测卫星分别对应的基准站伪距观测值和流动站伪距观测值确定伪距双差观测值；
第一确定子单元，还用于根据参考卫星和n个观测卫星分别对应的基准站载波相位观测值和流动站载波相位观测值确定载波相位双差观测值；
第二确定子单元，用于确定参考卫星和n个观测卫星分别与基准站之间的第一几何距离；
第二确定子单元，还用于确定参考卫星和n个观测卫星分别与流动站之间的第二几何距离；
第三确定子单元，用于根据修正值经验模型，确定n个观测卫星分别对应的双差对流层修正值和双差电流层修正值；
第一矩阵构建子单元，用于根据伪距双差观测值、第一几何距离、第二几何距离、双差对流层修正值和双差电流层修正值，构建伪距双差观测方程矩阵；
第二矩阵构建子单元，用于设置n个观测卫星分别对应的双差模糊度未知变量；
第二矩阵构建子单元，还用于根据载波相位双差观测值、第一几何距离、第二几何距离、双差对流层修正值和双差电流层修正值以及n个观测卫星分别对应的双差模糊度未知变量，构建载波相位双差观测方程矩阵。
其中，伪距双差观测方程矩阵包括n个伪距双差观测方程；载波相位双差观测方程矩阵包括n个载波相位双差观测方程；一个观测卫星关联有一个伪距双差观测方程和一个载波相位双差观测方程；
粗差剔除单元，包括：
第一探测子单元，用于对伪距双差观测方程矩阵进行粗差探测处理，确定n个伪距双差观测方程的第一粗差探测结果；
第二探测子单元，还用于对载波相位双差观测方程矩阵进行粗差探测处理，确定n个载波相位双差观测方程的第二粗差探测结果；
卫星确定子单元，用于将第一粗差探测结果为粗差结果的伪距双差观测方程相关联的观测卫星，以及第二粗差探测结果为粗差结果的载波相位双差观测方程相关联的观测卫星，均确定为粗差卫星；
剔除子单元，用于从伪距双差观测方程矩阵中，剔除与粗差卫星相关联的伪距双差观测方程，得到优化伪距双差观测方程矩阵；
剔除子单元，还用于从载波相位双差观测方程矩阵中，剔除与粗差卫星相关联的载波相位双差观测方程，得到优化载波相位双差观测方程矩阵。
其中，n个伪距双差观测方程包括目标伪距双差观测方程；
第一探测子单元具体还用于确定伪距双差观测方程矩阵对应的中位数和绝对中位差；获取目标伪距双差观测方程对应的伪距双差观测元素，确定伪距双差观测元素与中位数对应的差值绝对值；将差值绝对值与绝对中位差相除，得到粗差概率值；若粗差概率值大于粗差概率阈值，则确定目标伪距双差观测方程的第一粗差探测结果为粗差结果。
其中，n个观测卫星分别对应的观测数据包括基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；
第二构建单元，包括：
数据获取子单元，用于确定优化伪距双差观测方程矩阵中伪距双差观测方程相关联的h个观测卫星；
数据获取子单元，还用于从n个观测卫星分别对应的观测数据中获取h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；
第三矩阵构建子单元，用于获取伪距观测随机模型；
第三矩阵构建子单元，还用于根据伪距观测随机模型、h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建伪距双差测量方程矩阵；
第四矩阵构建子单元，用于获取载波相位观测随机模型；
第四矩阵构建子单元，还用于根据载波相位观测随机模型、h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建载波相位双差测量方程矩阵。
其中，估计单元，包括：
目标矩阵确定子单元，用于根据优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵确定目标双差观测方程矩阵；
系数获取子单元，用于获取初始阻尼系数和阻尼弹性系数；
权矩阵确定子单元，用于根据伪距双差测量方程矩阵和载波相位双差测量方程确定权矩阵；
优化估计子单元，用于根据目标双差观测方程矩阵、初始阻尼系数、阻尼弹性系数、和权矩阵对待估计未知变量进行优化估计，得到优化估计值；
输出子单元，用于根据优化估计值输出h个双差模糊度未知变量分别对应的双差模糊度估计值。
其中，迭代更新子单元，具体用于在第k次优化估计中，根据目标双差观测方程矩阵确定针对第k次优化估计的估计参数对应的雅克比矩阵；k为正整数；第一次优化估计的估计参数为默认估计值；k大于1时，第k次优化估计的估计参数为第k-1次优化估计中待估计未知变量的估计值；基于第k次优化估计的阻尼系数、第k次优化估计的估计参数对应的雅克比矩阵和权矩阵确定第k次优化估计的估计值修正量；第一次优化估计的阻尼系数为初始阻尼系数；根据第k次优化估计的估计值修正量更新第k次优化估计的估计参数，得到第k次优化估计中待估计未知变量的估计值；根据阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；若第k次优化估计的估计值修正量小于修正阈值，则确定第k次优化估计中待估计未知变量的估计值为优化估计值；若第k次优化估计的估计值修正量大于修正阈值，则对待估计未知变量进行第k+1次优化估计。
其中，阻尼弹性系数包括第一阻尼弹性系数和第二阻尼弹性系数；第一阻尼弹性系数小于第二阻尼弹性系数；
迭代更新子单元，具体还用于根据第k次优化估计的估计参数和目标双差观测方程矩阵确定第一双差残差矩阵；根据第k次优化估计中待估计未知变量的估计值和目标双差观测方程矩阵确定第二双差残差矩阵；若第二双差残差矩阵的模值小于第一双差残差矩阵的模值，则根据第二阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；若第二双差残差矩阵的模值大于第一双差残差矩阵的模值，则根据第一阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数。
其中，上述双差模糊度固定装置，还包括：
阈值确定模块，用于基于双差模糊度估计值的数量和对数函数进行模糊度比率自适应调整处理，得到模糊度比率固定阈值；
校验值确定模块，用于确定双差模糊度估计值对应的协方差矩阵；
校验值确定模块，还用于根据双差模糊度估计值、协方差矩阵、双差模糊度最优选值和双差模糊度次优选值确定模糊度比率校验值；
比率校验模块，用于若模糊度比率校验值大于模糊度比率固定阈值，则确定双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果；
比率校验模块，还用于若模糊度比率校验值小于或等于模糊度比率固定阈值，则确定双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果。
其中，继承固定模块，包括：
匹配值确定单元，用于在双差模糊度表中查找与n个观测卫星分别对应的历史双差模糊度固定值，作为双差模糊度匹配值；
最优选匹配单元，用于将双差模糊度匹配值与对应的双差模糊度最优选值相等的观测卫星，确定为最优选继承观测卫星；
第一固定单元，用于若最优选继承观测卫星的数量大于或等于继承数量阈值，则将最优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值；
次优选匹配单元，用于若最优选继承观测卫星的数量小于继承数量阈值，则将双差模糊度匹配值与对应的双差模糊度次优选值相等的观测卫星，确定为次优选继承观测卫星；
第二固定单元，用于若次优选继承观测卫星的数量大于或等于继承数量阈值，则将次优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值。
其中，待估计未知变量还包括基线向量未知变量；
上述双差模糊度固定装置，还包括：
固定校验值确定模块，用于根据优化估计值输出基线向量未知变量对应的基线向量估计值；
固定校验值确定模块，还用于根据载波相位双差观测方程矩阵、双差模糊度最优选值和基线向量估计值，确定校验双差残差矩阵；
固定校验值确定模块，还用于根据载波相位双差测量方程矩阵、双差模糊度最优选值和基线向量估计值，确定校验测量方差矩阵；
固定校验值确定模块，还用于根据校验双差残差矩阵和校验测量方差矩阵确定固定校验值；
固定校验模块，用于若固定校验值大于固定阈值，则执行根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值的步骤。
本申请实施例一方面提供了一种计算机设备，包括：处理器、存储器、网络接口；
上述处理器与上述存储器、上述网络接口相连，其中，上述网络接口用于提供数据通信网元，上述存储器用于存储计算机程序，上述处理器用于调用上述计算机程序，以执行本申请实施例中的方法。
本申请实施例一方面提供了一种计算机可读存储介质，上述计算机可读存储介质中存储有计算机程序，上述计算机程序适于由处理器加载并执行本申请实施例中的方法。
本申请实施例一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例中的方法。
本申请实施例中，获取到观测数据后，基于观测数据确定双差模糊度估计值，对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值，其中，观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数；然后，获取双差模糊度表，该双差模糊度表包括m个观测卫星分别基于所述参考卫星确定的历史双差模糊度固定值，其中，m为正整数；m个观测卫星包含n个观测卫星；若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。通过本申请实施例提供的方法，构建并不断更新一张用于记录每个观测卫星对应的历史双差模糊度固定值的双差模糊度表，本轮双差模糊度固定时，在对双差模糊度最优选值和双差模糊度次优选值校验不通过时，可以基于双差模糊度表进行模糊度继承，得到当前双差模糊度固定值，可以有效提高双差模糊度的固定率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种网络架构的结构示意图；
图2是本申请实施例提供的一种双差模糊度固定的场景示意图；
图3是本申请实施例提供的一种双差模糊度固定方法的流程示意图；
图4是本申请实施例提供的另一种双差模糊度固定方法的流程示意图；
图5是本申请实施例提供的一种非线性优化估计处理的流程示意图；
图6是本申请实施例提供的一种载波相位双差模糊度快速固定方法流程示意图；
图7是本申请实施例提供的一种双差模糊度固定装置的结构示意图；
图8是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例涉及以下几个概念：
全球卫星导航系统（Global Navigation Satellite System）：全球卫星导航系统也称为全球导航卫星系统，可以在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统。常见的全球卫星导航系统包括美国全球定位系统（Global Positioning System，GPS）、中国北斗卫星导航系统(BeiDouNavigation Satellite System，BDS)、俄罗斯格洛纳斯卫星导航系统（GLONASS）和欧盟伽利略定位系统（GALILEO）四大卫星导航系统。最早出现的是美国的GPS（GlobalPositioning System），现阶段技术最完善的也是GPS系统。随着近年来BDS、GLONASS系统在亚太地区的全面服务开启，尤其是BDS系统在民用领域发展越来越快。卫星导航系统已经在航空、航海、通信、人员跟踪、消费娱乐、测绘、授时、车辆监控管理和汽车导航与信息服务等方面广泛使用，而且总的发展趋势是为实时应用提供高精度服务。
载波相位整周模糊度：简称整周模糊度或整周末知数。载波相位测量中，在不存在周跳或周跳已正确探测与修复的前提下，不确定整周数所造成的初始偏差。载波相位测量是指测定接收机所接收的卫星载波信号与接收机振荡器产生的参考载波信号之间的相位差，该相位差可以称为载波相位观测量。单差模糊度是指不同观测站同步观测相同卫星所得载波相位观测量之差；双差模糊度是指不同观测站同步观测一组卫星所得的单差模糊度之差。
实时动态差分定位技术（Real-time kinematic，RTK）：又称为载波相位差分定位技术，RTK差分定位技术是基于载波相位观测值的实时动态定位技术，能够实时地提供测站点在指定坐标系中的三维定位结果并达到厘米级精度；在RTK定位模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站，流动站不仅可以通过数据链接收来自基准站的数据，还采集卫星观测数据进行实时处理。
卫星定位基站（Continuously Operating Reference Stations，CORS)：也可以称为连续运行参考站。CORS系统是卫星定位技术、计算机网络技术、数字通讯技术等高新科技多方位、深度结晶的产物。CORS系统由基准站网、数据处理中心、数据传输系统、定位导航数据播发系统、用户应用系统五个部分组成，各基准站与监控分析中心间通过数据传输系统连接成一体，形成专用网络。
历元（Epoch）指一个时期和一个事件的起始时刻或者表示某个测量系统的参考日期。为了比较不同时刻的观测结果，需要注明观测资料所对应的观测时刻，这种时刻称为观测历元。
请参见图1，图1是本申请实施例提供的一种网络架构的结构示意图。如图1所示，该网络架构可以包括服务器100和移动终端集群，该移动终端集群可以包括一个或者多个移动终端，这里不对移动终端的数量进行限制。如图1所示，该移动终端集群可以具体包括移动终端10a、移动终端10b以及移动终端10c、…、移动终端10n等。其中，服务器100可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。移动终端10a、移动终端10b以及移动终端10c、…、移动终端10n等均可以包括：智能手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备（mobile internet device，MID）、可穿戴设备（例如智能手表、智能手环等）以及自动驾驶系统中的车载电脑等具有定位功能的移动终端。本申请实施例可应用于各种场景，包括但不限于云技术、人工智能、智慧交通、辅助驾驶等。如图1所示，移动终端10a、移动终端10b以及移动终端10c、…、移动终端10n等可以分别与服务器100进行网络连接，以便于每个移动终端可以通过该网络连接与服务器100之间进行数据交互。
以移动终端10a为例，该移动终端10a可以称为移动终端，即可以在移动中使用的计算机设备；移动终端10a可以理解为一个综合信息处理平台，具有非常丰富的通信方式。例如，可以通过全球移动通信系统（Global System for Mobile Communication，GSM）、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband CodeDivision Multiple Access，WCDMA)、增强型数据速率GSM演进技术（Enhanced Data Ratefor GSM Evolution，EDGE）、4G（第四代通讯技术）等无线运营网通讯，也可以通过无线局域网络（Wireless-Fidelity，WiFi），蓝牙和红外线进行通信；另外，移动终端10a集成有全球卫星导航系统定位芯片，该全球卫星导航系统定位芯片可以用于处理卫星信号，并对移动终端10a的使用用户进行精准定位，可以用于位置服务。服务器100可以是CORS（Continuously Operating Reference Stations，连续运行参考站，也可以称为卫星定位基站)系统对应的数据处理中心。服务器100可以接收基准站网中各基准站对卫星的观测数据，进行数据处理，组成一定格式的数据文件，下发到各个移动终端，例如移动终端10a。应当理解，移动终端10a中可以集成安装有应用客户端，当该应用客户端运行于各移动终端中时，可以分别与上述图1所示的服务器100之间进行数据交互。其中，该应用客户端可以为电子地图应用、即时通信应用、社交应用、直播应用、短视频应用、视频应用、音乐应用、购物应用、游戏应用、小说应用、支付应用、浏览器等具有位置服务功能的应用客户端。其中，该应用客户端可以为独立的客户端，也可以为集成在某客户端（例如社交客户端、游戏客户端等）中的嵌入式子客户端，在此不做限定。其中，位置服务又可以称为定位服务，即一种与位置有关的服务，主要包括定位(个人位置定位)、导航(路径导航)、查询(查询某个人或某个对象)、识别(识别某个人或对象)、事件检查(当出现特殊情况下向相关机构发送带求救或查询的个人位置信息)等五大类服务。以电子地图应用为例，移动终端10a可以通过电子地图应用对应的应用客户端与服务器100进行数据传输，当该地图应用对应的应用客户端在移动终端10a中运行时，移动终端10a可以根据服务器100发送的基准站对卫星的观测数据，以及通过自身集成的全球卫星导航系统定位芯片采集的对卫星的观测数据，完成对双差模糊度的固定，进而可以基于固定的双差模糊度确定出用户所在位置的三维坐标信息和精度指标，完成移动终端10a在该电子地图应用提供的地图中的定位。
为便于理解，请一并参见图2，图2是本申请实施例提供的一种双差模糊度固定的场景示意图。如图2所示，移动终端20可以为上述图1的移动终端集群中的任意一个移动终端，例如移动终端10a。移动终端20中集成安装有电子地图应用，当移动终端20的使用者想要查询某地点时，可以启动移动终端20中的电子地图应用，移动终端20可以响应针对电子地图应用的启动操作，在移动终端20的终端屏幕中显示该电子地图应用的首页，该电子地图应用的首页可以显示移动终端20所在的终端位置以及终端位置所在的附近地理区域。确定移动终端20的终端位置，可以根据移动终端20对定位卫星的载波相位观测量来进行RTK定位，但是上述可知，在通过RTK确定移动终端20所在的终端位置时，需要先确定定位卫星对应的双差模糊度。其中，定位卫星是指用于对移动终端20进行定位的观测卫星。
如图2所示，假设移动终端20可以观测的卫星集群22包括参考卫星A0以及观测卫星A1、观测卫星A2、观测卫星A3、……、观测卫星A10。移动终端20中包含有双差模糊度表200，该双差模糊度表200中记录了每个观测卫星对应的历史双差模糊度固定值，即上一次移动终端20针对观测卫星进行双差模糊度固定时确定的固定值。如图2所示，观测卫星A1对应历史双差模糊度固定值x1、观测卫星A2对应历史双差模糊度固定值x2、观测卫星A3对应历史双差模糊度固定值x3、……、观测卫星A10对应历史双差模糊度固定值x10。应当理解，在进行移动终端20的终端位置的定位时，移动终端20并不会将全部的观测卫星均作为定位卫星，因此移动终端20并不需要获取全部的观测卫星对应的观测数据，只需要根据自身的位置以及对观测卫星进行观测的难易程度，来选择获取部分观测卫星对应的观测数据，也仅会根据获取到的观测数据，确定对应观测卫星的双差模糊度。
如图2所示，当移动终端20的使用者启动电子地图应用时，移动终端20作为流动站，可以对参考卫星A0和部分观测卫星进行观测，得到流动站观测数据，移动终端20还可以获取服务器21下发的基准站观测数据，该基准站观测数据是由服务器21对应的基准站对参考卫星A0和相同的观测卫星进行观测，得到的观测数据。移动终端20对基准站观测数据和流动站观测数据进行汇总后，得到参考卫星A0对应的观测数据0，观测卫星A1对应的观测数据1，观测卫星A2对应的观测数据2，观测卫星A3对应的观测数据3，观测卫星A10对应的观测数据10，由此可以，移动终端20本次仅需要对观测卫星A1、观测卫星A2、观测卫星A3以及观测卫星A10对应的双差模糊度进行固定。根据观测数据20a，移动终端20可以构建双差观测方程矩阵，然后确定双差模糊度估计值20b。其中，双差观测方程矩阵中的每个双差观测方程是由每个观测卫星对应的观测数据分别和参考卫星A0对应的观测数据0所构建的。移动终端20最后得到的双差模糊度估计值20b包括观测卫星A1对应的双差模糊度估计值b1、观测卫星A2对应的双差模糊度估计值b2、观测卫星A3对应的双差模糊度估计值b3以及观测卫星A10对应的双差模糊度估计值b4。然后，移动终端20会针对双差模糊度估计值b1、双差模糊度估计值b2、双差模糊度估计值b3以及双差模糊度估计值b4分别进行模糊度搜索处理，得到观测卫星A1对应的双差模糊度最优选值c1和双差模糊度次优选值d1，观测卫星A2对应的双差模糊度最优选值c2和双差模糊度次优选值d2，观测卫星A3对应的双差模糊度最优选值c3和双差模糊度次优选值d3以及观测卫星A10对应的双差模糊度最优选值c4和双差模糊度次优选值d4。然后，移动终端会对得到的双差模糊度最优选值20c和双差模糊度次优选值20d进行比率校验。如果双差模糊度最优选值20c和双差模糊度次优选值20d对应的比率校验结果为校验通过结果，则移动终端20会确定双差模糊度最优选值c1、双差模糊度最优选值c2、双差模糊度最优选值c3以及双差模糊度最优选值c4为当前双差模糊度固定值，并在双差模糊度表200中，将观测卫星A1对应的历史双差模糊度固定值a1更新为双差模糊度最优选值c1，将观测卫星A2对应的历史双差模糊度固定值a2更新为双差模糊度最优选值c2，将观测卫星A3对应的历史双差模糊度固定值a3更新为双差模糊度最优选值c3，将观测卫星A10对应的历史双差模糊度固定值a10更新为双差模糊度最优选值c4，其余的观测卫星对应的历史双差模糊度固定值不变。如果双差模糊度最优选值20c和双差模糊度次优选值20d对应的比率校验结果为校验不通过结果，则移动终端20会基于双差模糊度最优选值20c和双差模糊度次优选值20d，对双差模糊度表200中的历史双差模糊度固定值进行模糊度继承处理，假设，观测卫星A1、观测卫星A2、观测卫星A3以及观测卫星A10对应的历史双差模糊度固定值均继承成功，则移动终端20会将历史双差模糊度固定值x1、历史双差模糊度固定值x2、历史双差模糊度固定值x3以及历史双差模糊度固定值x10确定为当前双差模糊度固定值。然后，移动终端20可以基于观测卫星A1、观测卫星A3以及观测卫星A10以及当前双差模糊度固定值进行RTK定位，得到移动终端20对应的终端位置。
上述双差观测方程矩阵的构建、比率校验、模糊度继承处理等实现的具体过程，可以参见下述实施例中的详细描述。
采用本申请实施例提供的方法，可以构建并不断更新双差模糊度表，在进行新一轮双差模糊度固定时，可以基于双差模糊度表进行模糊度继承，得到当前双差模糊度固定值，可以加快双差模糊度固定的时间，有效提高双差模糊度的固定率。
请参见图3，图3是本申请实施例提供的一种双差模糊度固定方法的流程示意图。该双差模糊度固定方法可以由移动终端执行，该移动终端可以为上述图1的移动终端集群中的任一移动终端。如图3所示，该双差模糊度固定方法可以包括以下步骤：
步骤S101，获取观测数据，基于所述观测数据确定双差模糊度估计值，对所述双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；所述观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数。
具体的，观测数据包括基准站观测数据和流动站观测数据，其中，基准站观测数据即由基准站对参考卫星和n个观测卫星进行观测得到的观测数据；流动站观测数据即由流动站对参考卫星和n个观测卫星进行观测的观测数据。其中，基准站是对卫星导航信号进行长期连续观测,并由通信设施将观测数据实时或定时传送至数据中心的地面固定观测站，基准站服务器（例如上述图1所对应实施例中的服务器100）可以将基准站观测数据以一定的格式（例如，二进制流的形式）实时地传送给流动站。其中，流动站即移动终端，同样可以对卫星导航信息进行观测，得到流动站观测数据。应当理解，移动终端的位置不固定，随时在变化，移动终端可以根据基准站观测数据、流动站观测数据以及基准站的位置信息来确定当前双差模糊度固定值，进而根据当前双差模糊度固定值对自身的终端位置进行位置定位。
具体的，基准站观测数据包括参考卫星和n个观测卫星分别对应的基准站观测数据，流动站观测数据包括参考卫星和n个观测卫星分别对应的流动站观测数据。移动终端可以依次根据每个观测卫星对应的基准站观测数据和流动站观测数据，与参考卫星对应的基准站观测数据和流动站观测数据，进行模糊度估计处理，从而确定每个观测卫星对应的双差模糊度估计值。其中，双差模糊度估计值可以是双差模糊度浮点解，模糊度估计处理可以采用Levenberg–Marquardt（LM，最小二乘法优化）非线性优化算法或者卡尔曼滤波方法。然后，移动终端可以对双差模糊度估计值进行模糊度搜索处理，例如基于MLAMBDA（改进的最小均方模糊度去相关调整算法）对双差模糊度估计值进行整数解搜索，从而得到双差模糊度最优选值和双差模糊度次优选值。
步骤S102，获取双差模糊度表；所述双差模糊度表包括m个观测卫星分别基于所述参考卫星确定的历史双差模糊度固定值；m为正整数；所述m个观测卫星包含所述n个观测卫星。
具体的，m个观测卫星是指移动终端可以进行观测的所有观测卫星，双差模糊度表中记录了每个观测卫星基于参考卫星确定的历史双差模糊度固定值。其中，历史双差模糊度固定值是指移动终端在上一次针对某个观测卫星进行双差模糊度固定时，确定的该观测卫星对应的双差模糊度固定值。
步骤S103，若所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于所述双差模糊度最优选值和所述双差模糊度次优选值，对所述双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值。
具体的，移动终端会根据得到的所有双差模糊度最优选值和双差模糊度次优选值来计算出模糊度比率校验值，然后确定该模糊度比率校验值是否大于模糊度比率固定阈值（ratio值），若模糊度比率校验值大于模糊度比率固定阈值，则确定双差模糊度最优选值和双差模糊度次优选值的比率校验结果为校验通过结果；若模糊度比率校验值小于或等于模糊度比率固定阈值，则双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验不通过结果。
具体的，基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值的具体过程，可以为：在双差模糊度表中查找与n个观测卫星分别对应的历史双差模糊度固定值，作为双差模糊度匹配值；将双差模糊度匹配值与对应的双差模糊度最优选值相等的观测卫星，确定为最优选继承观测卫星；若最优选继承观测卫星的数量大于或等于继承数量阈值，则将优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值；若优选继承观测卫星的数量小于继承数量阈值，则将双差模糊度匹配值与对应的双差模糊度次优选值相等的观测卫星，确定为次优选继承观测卫星；若次优选继承观测卫星的数量大于或等于继承数量阈值，则将次优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值。例如，移动终端确定观测卫星X1的双差模糊度最优选值为5、双差模糊度次优选值为6，观测卫星X2的双差模糊度最优选值为7、双差模糊度次优选值为6，观测卫星X3的双差模糊度最优选值为8、双差模糊度次优选值为5，观测卫星X4的双差模糊度最优选值为9、双差模糊度次优选值为8；然后，移动终端在双差模糊度表中查找这四个观测卫星对应的历史双差模糊度固定值，查找到观测卫星X1的历史双差模糊度固定值为6、观测卫星X2的历史双差模糊度固定值为7、观测卫星X3的历史双差模糊度固定值为5、观测卫星X4的历史双差模糊度固定值为8；假设继承数量阈值为3，移动终端将四个观测卫星对应的历史双差模糊度固定值与双差模糊度最优选值进行比较，将两个值相等的观测卫星X2作为最优选继承观测卫星，最优选继承观测卫星的数据小于3，因此，移动终端会继续将四个观测卫星对应的历史双差模糊度固定值与双差模糊度次优选值进行比较，将两个值相等的观测卫星X1、观测卫星X3和观测卫星X4作为次优选继承观测卫星，因为次优选继承观测卫星的数量等于3，因此，移动终端会将观测卫星X1、观测卫星X3和观测卫星X4对应的历史双差模糊度固定值，即双差模糊度匹配值，作为当前双差模糊度固定值。需要说明的是，因为观测卫星X2对应的历史双差模糊度固定值与双差模糊度次优选值不相等，因此观测卫星X2的模糊度继承失败，本轮双差模糊度固定中，观测卫星X2没有对应的当前双差模糊度固定值。
步骤S104，若所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据所述双差模糊度最优选值更新所述双差模糊度表，将所述双差模糊度最优选值确定为当前双差模糊度固定值。
具体的，根据双差模糊度最优选值更新双差模糊度表，即确定双差模糊度最优选值对应的观测卫星，将双差模糊度表中该观测卫星对应的历史双差模糊度固定值，更新为该双差模糊度最优选值。
采用本申请实施例提供的方法，可以构建并不断更新双差模糊度表，在进行新一轮双差模糊度固定时，可以基于双差模糊度表进行模糊度继承，得到当前双差模糊度固定值，可以加快双差模糊度固定的时间，有效提高双差模糊度的固定率。
进一步地，请参见图4，图4是本申请实施例提供的另一种双差模糊度固定方法的流程示意图。该双差模糊度固定方法可以由移动终端执行，该移动终端可以为上述图1的移动终端集群中的任一移动终端。如图3所示，该双差模糊度固定方法可以包括以下步骤：
步骤S201，获取观测数据；所述观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数。
具体的，观测数据的获取可以参见上述图3所对应实施例中步骤S101的描述，这里不再进行赘述。
步骤S202，根据所述观测数据构建伪距双差观测方程矩阵和载波相位双差观测方程矩阵。
具体的，上述可知，观测数据包括基准站观测数据和流动站观测数据，基准站观测数据包括参考卫星和n个观测卫星分别对应的基准站伪距观测值、基准站载波相位观测值，流动站观测数据包括参考卫星和n个观测卫星分别对应的流动站伪距观测值、流动站载波相位观测值。其中，基准站伪距观测值是基准站对卫星进行伪距测量得到的，流动站伪距观测值是流动站对卫星进行伪距测量得到的，伪距测量是指用卫星发播的伪随机码与接收机复制码，测定测站（流动站或者基准站）到卫星之间的、含有时钟误差和大气层折射延迟的距离的技术和方法，因为其测得的距离含有时钟误差和大气层折射延迟，而非“真实距离”，故称伪距。其中，基准站载波相位观测值是指基准站的接收机所接收的卫星载波信号与基准站的接收机振荡器产生的参考载波信号之间的相位差；流动站载波相位观测值是指流动站的接收机所接收的卫星载波信号与流动站的接收机振荡器产生的参考载波信号之间的相位差。
具体的，在得到参考卫星和n个观测卫星分别对应的基准站伪距观测值、基准站载波相位观测值、流动站伪距观测值以及流动站载波相位观测值后，移动终端可以根据参考卫星和n个观测卫星分别对应的基准站伪距观测值和流动站伪距观测值确定伪距双差观测值，根据参考卫星和n个观测卫星分别对应的基准站载波相位观测值和流动站载波相位观测值确定载波相位双差观测值；然后，移动终端可以确定参考卫星和n个观测卫星分别与基准站之间的第一几何距离；确定参考卫星和n个观测卫星分别与流动站之间的第二几何距离；然后，移动终端可以根据修正值经验模型，确定n个观测卫星分别对应的双差对流层修正值和双差电流层修正值；最后，移动终端可以根据伪距双差观测值、第一几何距离、第二几何距离、双差对流层修正值和双差电流层修正值，构建伪距双差观测方程矩阵；然后，移动终端可以设置n个观测卫星分别对应的双差模糊度未知变量，根据载波相位双差观测值、第一几何距离、第二几何距离、双差对流层修正值和双差电流层修正值以及n个观测卫星分别对应的双差模糊度未知变量，构建载波相位双差观测方程矩阵。应当理解，因为观测卫星的双差模糊度是无法通过观测确定的，因此在构建载波相位双差观测方程矩阵时，双差模糊度是未知的，可以先设置双差模糊度未知变量，然后通过后续步骤来确定双差模糊度的固定值。
具体的，移动终端基于参考卫星针对n个观测卫星构建的伪距双差观测方程矩阵
可以表示为：
载波相位双差观测方程矩阵
可以表示为：
其中，上述公式中的右上角标用于指代卫星，0为参考卫星，1~n分别对应于n个观测卫星；
为移动终端与卫星的几何距离，即上述第二几何矩阵，
为基准站与卫星的几何距离，即上述第一几何矩阵；
和
，
为观测卫星i与参考卫星之间的双差对流层和电离层改正，即上述双差对流层修正值和双差电流层修正值，可由经验模型计算得到；
和
，
为伪距双差观测值和载波相位双差观测值；
为观测卫星i与参考卫星之间的双差模糊度未知变量；
为载波波长。
步骤S203，对所述伪距双差观测方程矩阵和载波相位双差观测方程矩阵分别进行粗差探测和剔除处理，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵；所述优化载波相位双差观测方程矩阵包括h个观测卫星分别对应的双差模糊度未知变量；h为正整数；所述h个观测卫星属于所述n个观测卫星。
具体的，由于移动终端获取到的观测数据可能存在粗差，即观测数据与真实数据之间存在很大差异，因此移动终端可以对伪距双差观测方程矩阵中的伪距双差观测方程和载波相位双差观测方程矩阵中的载波相位双差观测方程进行筛选，将对应粗差观测数据的伪距双差观测方程和载波相位双差观测方程进行剔除，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵。可以理解的是，优化伪距双差观测方程矩阵是指对伪距双差观测方程矩阵进行筛选后所得到的方程矩阵，即优化伪距双差观测方程矩阵中伪距双差观测方程的数量小于或等于伪距双差观测方程矩阵中伪距双差观测方程的数量；优化载波相位双差观测方程矩阵是指对载波相位双差观测方程矩阵进行筛选后所得到的方程矩阵，即优化载波相位双差观测方程矩阵中载波相位双差观测方程的数量小于或等于载波相位双差观测方程矩阵中载波相位双差观测方程的数量。
具体的，由上述公式（1）和公式（2）可知，伪距双差观测方程矩阵包括n个伪距双差观测方程；载波相位双差观测方程矩阵包括n个载波相位双差观测方程；一个观测卫星关联有一个伪距双差观测方程和一个载波相位双差观测方程。对伪距双差观测方程矩阵和载波相位双差观测方程矩阵分别进行粗差探测和剔除处理，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵的过程，可以为：对伪距双差观测方程矩阵进行粗差探测处理，确定n个伪距双差观测方程的第一粗差探测结果；对载波相位双差观测方程矩阵进行粗差探测处理，确定n个载波相位双差观测方程的第二粗差探测结果；将第一粗差探测结果为粗差结果的伪距双差观测方程相关联的观测卫星，以及第二粗差探测结果为粗差结果的载波相位双差观测方程相关联的观测卫星，均确定为粗差卫星；从伪距双差观测方程矩阵中，剔除与粗差卫星相关联的伪距双差观测方程，得到优化伪距双差观测方程矩阵；从载波相位双差观测方程矩阵中，剔除与粗差卫星相关联的载波相位双差观测方程，得到优化载波相位双差观测方程矩阵。简言之，当一个观测卫星关联的伪距双差观测方程对应的第一粗差探测结果为粗差结果，或者关联的载波相位双差观测方程对应的粗差探测结果为粗差结果时，就将该观测卫星关联的伪距双差观测方程和载波相位双差观测方程均剔除掉。
具体的，对伪距双差观测方程矩阵和载波相位双差观测方程矩阵进行粗差探测，可以基于绝对中位差来实现。以伪距双差观测方程矩阵为例，假设伪距双差观测矩阵中包括目标伪距双差观测方程，则对伪距双差观测方程矩阵进行粗差探测处理，确定n个伪距双差观测方程的第一粗差探测结果的过程，可以为：确定伪距双差观测方程矩阵对应的中位数和绝对中位差；获取目标伪距双差观测方程对应的伪距双差观测元素，确定伪距双差观测元素与中位数对应的差值绝对值；将差值绝对值与绝对中位差相除，得到粗差概率值；若粗差探测结果大于粗差概率阈值，则确定目标伪距双差观测方程的第一粗差探测结果为粗差结果。可以通过下述粗差探测公式（3）来表示对伪距双差观测方程矩阵中的每个伪距双差观测方程进行粗差探测的过程。粗差探测公式（3）可以表示为：
式中，
即上述公式（1）所表示的伪距双差观测方程矩阵；
表示
的第i个元素，即第i个伪距双差观测方程对应的伪距双差观测元素，
为
的中位数，
为
的绝对中位差，
为粗差概率阈值；当
为零时表示
为粗差，可以确定第i个伪距双差观测方程对应的第一粗差探测结果为粗差结果。同样的，对于上述公式（2）所表示的载波相位双差观测方程矩阵
也可以进行上述处理，这里不再进行赘述。
优化伪距双差观测方程矩阵
可以表示为：
优化载波相位双差观测方程矩阵
可以表示为：
其中，上述公式中的右上角标用于指代卫星，
为参考卫星。
其中，
分别对应于未被剔除的h个观测卫星中的第i个观测卫星；
为移动终端与卫星的几何距离，
为基准站与卫星的几何距离；
和
，
为观测卫星
与参考卫星之间的双差对流层和电离层改正，即上述双差对流层修正值和双差电流层修正值，可由经验模型计算得到；
和
，
为伪距双差观测值和载波相位双差观测值；
为观测卫星
与参考卫星之间的双差模糊度未知变量；
为载波波长。
步骤S204，根据所述观测数据构建伪距双差测量方程矩阵和载波相位双差测量方程矩阵。
具体的，n个观测卫星分别对应的观测数据包括基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，其中，卫星信噪比也可以称为卫星载噪比，用来标示载波与载波噪音关系的标准测量尺度，基准站卫星信噪比是由基准站确定的观测卫星对应的载噪比，流动站卫星信噪比是由流动站确定的观测卫星对应的载噪比。其中，高度角是指一点至观测目标的方向线与水平面间的夹角，基准站高度角是指基准站的接收机与观测卫星连线的方向线与基准站水平面间的夹角，流动站高度角是指流动站的接收机与观测卫星连线的方向线与流动站水平面间的夹角。由上述可知，在进行粗差探测后，移动终端剔除掉了部分观测卫星对应的伪距双差观测方程和载波双差观测方程，移动终端也不会继续确定这部分观测卫星对应的双差模糊度。因此，根据观测数据构建伪距双差测量方程矩阵和载波相位双差测量方程矩阵的具体过程，可以为：确定优化伪距双差观测方程矩阵中伪距双差观测方程相关联的h个观测卫星；然后从n个观测卫星分别对应的观测数据中获取这h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；然后移动终端可以获取伪距观测随机模型，根据伪距观测随机模型、h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建伪距双差测量方程矩阵；移动终端还可以同时获取载波相位观测随机模型；根据载波相位观测随机模型、h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建载波相位双差测量方程矩阵。
具体的，伪距观测随机模型可以表示为：
则构建的伪距双差测量方程矩阵
可以表示为：
（7）
式中，
和
为流动站r卫星
的信噪比和卫星高度角，
和
为基准站b卫星
的信噪比和卫星高度角；卫星
指h个观测卫星中的第i个观测卫星。
载波相位观测随机模型可以表示为：
则构建的载波相位双差测量方程矩阵
可以表示为：
（9）
式中，
和
为流动站r卫星
的信噪比和卫星高度角，
和
为基准站b卫星
的信噪比和卫星高度角；卫星
指h个观测卫星中的第i个观测卫星。
步骤S205，获取待估计未知变量，根据所述优化伪距双差观测方程矩阵、所述优化载波相位双差观测方程矩阵、所述伪距双差测量方程矩阵和所述载波相位双差测量方程矩阵，对所述待估计未知变量进行优化估计，得到h个双差模糊度未知变量分别对应的双差模糊度估计值。
具体的，待估计未知变量包括优化载波相位双差观测方程矩阵中的h个观测卫星分别对应的双差模糊度未知变量，对待估计优化未知变量进行优化估计的过程，可以为：根据优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵确定目标双差观测方程矩阵；获取初始阻尼系数和阻尼弹性系数；根据伪距双差测量方程矩阵和载波相位双差测量方程确定权矩阵；根据目标双差观测方程矩阵、初始阻尼系数、阻尼弹性系数、和权矩阵对待估计未知变量进行优化估计，得到优化估计值；根据优化估计值输出双差模糊度估计值。
具体的，根据目标双差观测方程矩阵、初始阻尼系数、阻尼弹性系数、雅克比矩阵和权矩阵对待估计未知变量进行优化估计，得到优化估计值的过程，可以为：在第k次优化估计中，根据目标双差观测方程矩阵确定针对第k次优化估计的估计参数对应的雅克比矩阵；k为正整数；第一次优化估计的估计参数为默认估计值；k大于1时，第k次优化估计的估计参数为第k-1次优化估计中待估计未知变量的估计值；基于第k次优化估计的阻尼系数、第k次优化估计的估计参数对应的雅克比矩阵和权矩阵确定第k次优化估计的估计值修正量；第一次优化估计的阻尼系数为初始阻尼系数；根据第k次优化估计的估计值修正量更新第k次优化估计的估计参数，得到第k次优化估计中待估计未知变量的估计值；根据阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；若第k次优化估计的估计值修正量小于修正阈值，则确定第k次优化估计中待估计未知变量的估计值为优化估计值；若第k次优化估计的估计值修正量大于修正阈值，则对待估计未知变量进行第k+1次优化估计。
具体的，阻尼弹性系数包括第一阻尼弹性系数和第二阻尼弹性系数，且第一阻尼弹性系数小于第二阻尼弹性系数，则根据阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数的过程，可以为：根据第k次优化估计的估计参数和目标双差观测方程矩阵确定第一双差残差矩阵；根据第k次优化估计中待估计未知变量的估计值和目标双差观测方程矩阵确定第二双差残差矩阵；若第二双差残差矩阵的模值小于第一双差残差矩阵的模值，则根据第一阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；若第二双差残差矩阵的模值大于第一双差残差矩阵的模值，则根据第二阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数。
上述优化估计可以认为是一种非线性优化估计处理的过程，为便于理解上述非线性优化估计处理的过程，请一并参见图5，图5是本申请实施例提供的一种非线性优化估计处理的流程示意图。如图5所示，该非线性优化估计处理的流程可以包括以下步骤：
S51：设置待估计未知变量和初始阻尼系数。
具体的，可以先假设待估计未知变量为：
其中，
为观测卫星
与参考卫星之间的双差模糊度未知变量，即上述优化载波相位双差观测方程矩阵
公式（5）中的双差模糊度未知变量，
为基线向量未知变量，对应移动终端的位置误差。对待估计未知变量进行优化估计，会得到待估计未知变量对应的估计值。
具体的，可以假设初始阻尼系数
为：
S52：设置第一阻尼弹性系数和第二阻尼弹性系数。
具体的，第一阻尼弹性系数小于第二阻尼弹性系数，阻尼弹性系数用于调整阻尼系数。可以假设第一阻尼弹性系数α和第二阻尼弹性系数β为：
S53：计算目标双差观测方程矩阵关于估计参数x的雅克比矩阵。
由图5可知，在满足迭代结束条件之前，移动终端将重复执行步骤S53到步骤S510，因此步骤S53到步骤S510可以看作一次优化估计，第一次优化估计中的估计参数可以取针对待估计未知变量的默认估计值，默认估计值可以为0；从第二次优化估计开始，第k次优化估计中的估计参数可以为第k-1次优化估计中待估计未知变量的估计值。初始阻尼系数
将作为第一次优化估计中的阻尼系数。
假设优化伪距双差观测方程矩阵为上述公式（4）中的
，优化载波相位双差观测方程矩阵为上述公式（5）中的
，则目标双差观测方程矩阵
的表达式可以为：
假设第k次优化估计的估计参数为
，将估计参数
中的双差模糊度替换掉目标双差观测方程矩阵
中的双差模糊度，得到第k次优化估计中的目标双差观测方程矩阵
，计算
关于
的雅克比矩阵
，即
步骤S54，计算权矩阵。
具体的，假设伪距双差测量方程矩阵为上述公式（7）中的
，载波相位双差测量方程为上述公式（9）中的
，则权矩阵
为：
步骤S55，计算估计值修正量并更新估计参数，得到估计值。
具体的，第k次优化估计的估计值修正量
为：
其中，
为单位矩阵，
为根据目标双差观测方程矩阵
得到的残差矩阵。
根据第k次优化估计的估计值修正量
更新第k次迭代更新的估计参数
，可以得到第k次优化估计的估计值
为：
步骤S56，根据估计值计算双差残差。
具体的，计算第k次优化估计的估计值
的双差残差矩阵，即将
带入目标双差观测方程矩阵
，可以得到估计值
对应的双差残差矩阵
（即上述第二双差残差矩阵）：
步骤S57，确定双差残差的模值是否减少。
具体的，可以将估计参数
对应的双差残差矩阵
（即上述第一双差残差矩阵）和估计值
对应的双差残差矩阵
的模值进行比较，即确定：
是否大于
。若
＞
，确定双差残差模值增大，则执行步骤S58；若
＜
，确定双差残差模值减小，则执行步骤S59。
步骤S58，根据第一阻尼弹性系数更新阻尼系数。
具体的，根据第一阻尼弹性系数α更新第k次优化估计的阻尼系数
，得到第k+1次优化估计的阻尼系数
为：
步骤S59，根据第二阻尼弹性系数更新阻尼系数。
具体的，根据第二阻尼弹性系数β更新第k次优化估计的阻尼系数
，得到第k+1次优化估计的阻尼系数
为：
步骤S510，确定是否结束迭代。
具体的，当第k次优化估计的估计值修正量
满足下述公式（21）时，就结束优化估计，将估计值
确定为优化估计值，执行步骤S511，否则就继续对待估计未知变量进行优化估计，即跳转执行步骤S53。公式（21）为：
步骤S511，输出双差模糊度估计值
，双差模糊度估计值
可以表示为：
其中，
为观测卫星
与参考卫星之间的双差模糊度估计值，可以优化估计值中获取。
步骤S206，对所述双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值。
具体的，可以使用MLAMBDA对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值
和双差模糊度次优选值
，可以分别表示为：
其中，
为观测卫星
与参考卫星之间的双差模糊度最优选值；
为观测卫星
与参考卫星之间的双差模糊度次优选值。
步骤S207，获取双差模糊度表；所述双差模糊度表包括m个观测卫星分别基于所述参考卫星确定的历史双差模糊度固定值；m为正整数；所述m个观测卫星包含所述n个观测卫星。
具体的，步骤S207的实现过程可以参见上述步骤S102的相关描述，这里不再进行赘述。
步骤S208，若所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于所述双差模糊度最优选值和所述双差模糊度次优选值，对所述双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值。
具体的，由上述步骤S103可知，比率校验的过程为确定双差模糊度最优选值和双差模糊度次优选值对应的模糊度比率校验值，然后确定该模糊度比率校验值是否大于模糊度比率固定阈值（ratio值）。
可选的，模糊度比率固定阈值可以是移动终端基于双差模糊度估计值的数量和对数函数进行模糊度比率自适应调整处理后得到的。换言之，可以基于双差模糊度个数和对数函数自适应调整模糊度固定阈值，调整过程可以参见下述公式（25）：
其中，h为观测卫星的数量。
可选的，模糊度比率校验值可以根据双差模糊度估计值
、双差模糊度估计值对应的协方差矩阵、双差模糊度最优选值
和双差模糊度次优选值
得到，其中，协方差矩阵可以根据下述公式（26）求得：
其中，
均可以由上述公式（16）确定，将其进行分块，得到四个分块矩阵
，其中，
即双差模糊度估计值
对应的协方差矩阵。
所以，模糊度比率校验值r可以通过下述公式（27）来计算得到：
当r＜ratio，则确定双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果，即双差模糊度搜索失败，此时需要进行模糊度继承处理。
具体的，模糊度继承处理的过程可以参见上述步骤S103，这里不再进行赘述。
步骤S209，若所述双差模糊度最优选值和所述双差模糊度次优选值的比率校验结果为校验通过结果，则根据所述双差模糊度最优选值更新所述双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。
具体的，当r≥ratio，则确定双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果，即双差模糊度搜索成功，可以根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值，具体实现过程可以参见上述步骤S104。
可选的，在之前进行优化估计的过程中，移动终端可以根据上述优化估计值确定基线向量未知变量对应的基线向量估计值。然后，移动终端可以根据载波相位双差观测方程矩阵、双差模糊度最优选值和事先确定的基线向量估计值，确定校验双差残差矩阵；根据载波相位双差测量方程矩阵、双差模糊度最优选值和事先确定的基线向量估计值，确定校验测量方差矩阵；根据校验双差残差矩阵和校验测量方差矩阵确定固定校验值；若固定校验值大于固定阈值，则执行根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值的步骤。简言之，在将双差模糊度最优选值确定为当前双差模糊度固定值前，还可以对双差模糊度最优选值进行模糊度固定正确校验，进一步地提高双差模糊度固定的正确率。应当理解，对于上述继承得到的双差模糊度匹配值，同样可以先对其进行模糊度固定正确校验，当校验通过时，才将继承的双差模糊度匹配值作为当前双差模糊度固定值。
假设需要进行模糊度固定正确校验的为待校验双差模糊度固定值为
，
可以表示为：
因为在模糊度继承处理中，不一定会继承上述h个观测卫星对应的历史双差模糊度固定值，最终可能仅会继续q个观测卫星对应的历史双差模糊度固定值，因此待校验双差模糊度固定值为
可能仅对应q个观测卫星，其中，q为小于或等于h的正整数，q个观测卫星属于h个观测卫星。
为观测卫星
与参考卫星之间的待校验双差模糊度固定值。
对待校验双差模糊度固定值
进行模糊度固定正确校验的过程，可以为：由上述公式（12）可知，初始估计参数还包括初始基线向量估计值
，在进行优化估计的过程中，假设输出第k次优化估计中的估计值
，则由估计值
可以确定基线向量估计值为
。将基线向量估计值
代入公式（29），可以求得基线向量的准确解
：
其中，
可以由上述公式（26）确定。
将
和
代入优化载波相位双差观测方程矩阵
和载波相位双差测量方程矩阵，
可得双差残差
和其测量方差矩阵
，将其代入下述公式（30），可以确定固定校验值μ，公式（30）为：
若μ大于固定阈值，则判断双差模糊度固定成功，将待校验双差模糊度固定值确定为当前双差模糊度固定值，否则双差模糊度固定失败。
采用本申请实施例提供的方法，通过优化估计，可以提高双差模糊度首次固定时间，加快模糊度固定收敛时间，另外通过模糊度继承处理，可以有效提高双差模糊度的固定率；另外，本申请实施例中可以采用基于绝对中位差的模糊度抗差固定方法，能够提高模糊度固定成功率；最后，本申请实施例可以进行模糊度固定正确检验，能够提高固定解的可用性。
进一步地，请参见图6，图6是本申请实施例提供的一种载波相位双差模糊度快速固定方法流程示意图。该载波相位双差模糊度快速固定方法可以由移动终端执行，该移动终端可以为上述图1的移动终端集群中的任一移动终端。如图6所示，该载波相位双差模糊度快速固定方法可以包括以下步骤：
步骤S61，基于基准站和流动站伪距和载波相位观测值（属于上述图4对应实施例中的观测数据）构建双差观测方程矩阵（即上述图4对应实施例中的伪距双差观测方程矩阵和载波相位双差观测方程矩阵）。
步骤S62，基于绝对中位差对双差观测方程矩阵进行粗差探测和剔除。
步骤S63，基于卫星载噪比和高度角构建双差测量方程矩阵（即上述图4对应实施例中的伪距双差测量方程矩阵和载波相位双差测量方程矩阵。）。
步骤S64，根据双差观测方程矩阵和双差测量方差矩阵进行非线性优化估计，得到基线向量（即上述图4对应实施例中的基线向量估计值）、双差模糊度（即上述图4对应实施例中的双差模糊度估计值）以及协方差矩阵（即上述图4对应实施例中的双差模糊度估计值对应的协方差矩阵）。
步骤S65，对双差模糊度进行模糊度搜索，得到最优选模糊度（即上述图4对应实施例中的双差模糊度最优选值）和次优选模糊度（即上述图4对应实施例中的双差模糊度次优选值）。
步骤S66，基于对数函数自适应调节模糊度固定阈值（即上述图4对应实施例中的模糊度比率固定阈值）。
步骤S67，对最优选模糊度和次优选模糊度进行比率校验（ratio-test），得到比率校验值（即上述图4对应实施例中的模糊度比率校验值）。
步骤S68，确定比率校验值是否大于模糊度固定阈值，若比率校验值大于模糊度固定阈值，则将最优选双差模糊度作为双差模糊度固定值，执行步骤S610，否则执行步骤S69。
步骤S69，基于双差模糊度表进行模糊度继承处理，输出继承的双差模糊度固定值。
具体的，步骤（1）：将最优选中每一个模糊度固定值在表中与其上一个历元模糊度固定值比较，当两者相等时，则继承该模糊度；若继承模糊度个数小于给定阈值时，则转至步骤（2），否则模糊度继承成功，输出此时所继承的双差模糊度固定值；
步骤（2）：将次优选中每一个模糊度固定值在表中与其上一个历元模糊度固定值比较，当两者相等时，则继承该模糊度；若继承模糊度个数小于给定阈值时，则模糊度继承失败，否则模糊度继承成功，输出此时所继承的双差模糊度。
步骤S610，对双差模糊度固定值（即上述图4对应实施例中的待校验双差模糊度固定值）进行模糊度固定正确校验，若校验通过，则执行步骤S611，否则执行步骤S612。
步骤S611，输出双差模糊度固定值（即上述图4对应实施例中的当前双差模糊度固定值），并更新双差模糊度表。
步骤S612，双差模糊度固定失败。
具体的，上述步骤S61-步骤S612的具体实现过程可以参见上述图3或图4所对应实施例中的相关描述，这里不再进行赘述。
请参见图7，是本申请实施例提供的一种双差模糊度固定装置的结构示意图。该双差模糊度固定装置可以是运行于计算机设备的一个计算机程序（包括程序代码），例如该双差模糊度固定装置为一个应用软件；该双差模糊度固定装置可以用于执行本申请实施例提供的双差模糊度固定方法中的相应步骤。如图7所示，该双差模糊度固定1可以包括：优选值确定模块11、获取模块12、继承固定模块13以及固定更新模块14。
优选值确定模块11，用于获取观测数据，基于观测数据确定双差模糊度估计值，对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数；
获取模块12，用于获取双差模糊度表；双差模糊度表包括m个观测卫星分别基于参考卫星确定的历史双差模糊度固定值；m为正整数；m个观测卫星包含n个观测卫星；
继承固定模块13，用于若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；
固定更新模块14，用于若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。
其中，优选值确定模块11、获取模块12、继承固定模块13以及固定更新模块14的具体实现方式，可以参见上述图3所对应实施例中步骤S101-步骤S104的描述，这里将不再进行赘述。
请再参见图7，优选值确定模块11，包括：数据获取单元111、第一构建单元112、粗差剔除单元113、第二构建单元114、估计单元115以及搜索单元116。
数据获取单元111，用于获取观测数据；
第一构建单元112，用于根据观测数据构建伪距双差观测方程矩阵和载波相位双差观测方程矩阵；
粗差剔除单元113，用于对伪距双差观测方程矩阵和载波相位双差观测方程矩阵分别进行粗差探测和剔除处理，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵；优化载波相位双差观测方程矩阵包括h个观测卫星分别对应的双差模糊度未知变量；h为正整数； h个观测卫星属于n个观测卫星；
第二构建单元114，用于根据观测数据构建伪距双差测量方程矩阵和载波相位双差测量方程矩阵；
变量获取单元115，用于获取待估计未知变量；待估计未知变量包括h个观测卫星分别对应的双差模糊度未知变量；
估计单元116，用于获取初始估计参数，根据优化伪距双差观测方程矩阵、优化载波相位双差观测方程矩阵、伪距双差测量方程矩阵和载波相位双差测量方程，对待估计未知变量进行优化估计，得到h个双差模糊度未知变量分别对应的双差模糊度估计值；
搜索单元117，用于对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值。
其中，数据获取单元111、第一构建单元112、粗差剔除单元113、第二构建单元114、变量获取单元115、估计单元116以及搜索单元117的具体实现方式，可以参见上述图4所对应实施例中步骤S201-步骤S206的描述，这里将不再进行赘述。
其中，参考卫星和n个观测卫星分别对应的观测数据包括基准站伪距观测值、基准站载波相位观测值、流动站伪距观测值以及流动站载波相位观测值；基准站伪距观测值和基准站载波相位观测值是由基准站观测得到的；流动站伪距观测值和流动站载波相位观测值是由流动站观测得到的；
请再参见图7，第一构建单元112，包括：第一确定子单元1121、第二确定子单元1122、第三确定子单元1123、第一矩阵构建子单元1124以及第二矩阵构建子单元1125。
第一确定子单元1121，用于根据参考卫星和n个观测卫星分别对应的基准站伪距观测值和流动站伪距观测值确定伪距双差观测值；
第一确定子单元1121，还用于根据参考卫星和n个观测卫星分别对应的基准站载波相位观测值和流动站载波相位观测值确定载波相位双差观测值；
第二确定子单元1122，用于确定参考卫星和n个观测卫星分别与基准站之间的第一几何距离；
第二确定子单元1122，还用于确定参考卫星和n个观测卫星分别与流动站之间的第二几何距离；
第三确定子单元1123，用于根据修正值经验模型，确定n个观测卫星分别对应的双差对流层修正值和双差电流层修正值；
第一矩阵构建子单元1124，用于根据伪距双差观测值、第一几何距离、第二几何距离、双差对流层修正值和双差电流层修正值，构建伪距双差观测方程矩阵；
第二矩阵构建子单元1125，用于设置n个观测卫星分别对应的双差模糊度未知变量；
第二矩阵构建子单元1125，还用于根据载波相位双差观测值、第一几何距离、第二几何距离、双差对流层修正值和双差电流层修正值以及n个观测卫星分别对应的双差模糊度未知变量，构建载波相位双差观测方程矩阵。
其中，第一确定子单元1121、第二确定子单元1122、第三确定子单元1123、第一矩阵构建子单元1124以及第二矩阵构建子单元1125的具体实现方式，可以参见上述图4所对应实施例中步骤S202的描述，这里将不再进行赘述。
其中，伪距双差观测方程矩阵包括n个伪距双差观测方程；载波相位双差观测方程矩阵包括n个载波相位双差观测方程；一个观测卫星关联有一个伪距双差观测方程和一个载波相位双差观测方程；
请再参见图7，粗差剔除单元113，包括：第一探测子单元1131、第二探测子单元1132、卫星确定子单元1133以及剔除子单元1134。
第一探测子单元1131，用于对伪距双差观测方程矩阵进行粗差探测处理，确定n个伪距双差观测方程的第一粗差探测结果；
第二探测子单元1132，还用于对载波相位双差观测方程矩阵进行粗差探测处理，确定n个载波相位双差观测方程的第二粗差探测结果；
卫星确定子单元1133，用于将第一粗差探测结果为粗差结果的伪距双差观测方程相关联的观测卫星，以及第二粗差探测结果为粗差结果的载波相位双差观测方程相关联的观测卫星，均确定为粗差卫星；
剔除子单元1134，用于从伪距双差观测方程矩阵中，剔除与粗差卫星相关联的伪距双差观测方程，得到优化伪距双差观测方程矩阵；
剔除子单元1134，还用于从载波相位双差观测方程矩阵中，剔除与粗差卫星相关联的载波相位双差观测方程，得到优化载波相位双差观测方程矩阵。
其中，第一探测子单元1131、第二探测子单元1132、卫星确定子单元1133以及剔除子单元1134的具体实现方式，可以参见上述图4所对应实施例中步骤S203的描述，这里将不再进行赘述。
其中，n个伪距双差观测方程包括目标伪距双差观测方程；
第一探测子单元具体还用于确定伪距双差观测方程矩阵对应的中位数和绝对中位差；获取目标伪距双差观测方程对应的伪距双差观测元素，确定伪距双差观测元素与中位数对应的差值绝对值；将差值绝对值与绝对中位差相除，得到粗差概率值；若粗差概率值大于粗差概率阈值，则确定目标伪距双差观测方程的第一粗差探测结果为粗差结果。
其中，n个观测卫星分别对应的观测数据包括基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；
请再参见图7，第二构建单元114，包括：数据获取子单元1141、第三矩阵构建子单元1142以及第四矩阵构建子单元1143。
数据获取子单元1141，用于确定优化伪距双差观测方程矩阵中伪距双差观测方程相关联的h个观测卫星；
数据获取子单元1141，还用于从n个观测卫星分别对应的观测数据中获取h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；
第三矩阵构建子单元1142，用于获取伪距观测随机模型；
第三矩阵构建子单元1142，还用于根据伪距观测随机模型、h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建伪距双差测量方程矩阵；
第四矩阵构建子单元1143，用于获取载波相位观测随机模型；
第四矩阵构建子单元1143，还用于根据载波相位观测随机模型、h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建载波相位双差测量方程矩阵。
其中，数据获取子单元1141、第三矩阵构建子单元1142以及第四矩阵构建子单元1143的具体实现方式，可以参见上述图4所对应实施例中步骤S204的描述，这里将不再进行赘述。
请再参见图7，估计单元116，包括：目标矩阵确定子单元1161、系数获取子单元1162、权矩阵确定子单元1163、迭代更新子单元1164以及输出子单元1165。
目标矩阵确定子单元1161，用于根据优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵确定目标双差观测方程矩阵；
系数获取子单元1162，用于获取初始阻尼系数和阻尼弹性系数；
权矩阵确定子单元1163，用于根据伪距双差测量方程矩阵和载波相位双差测量方程确定权矩阵；
优化估计子单元1164，用于根据目标双差观测方程矩阵、初始阻尼系数、阻尼弹性系数、和权矩阵对待估计未知变量进行优化估计，得到优化估计值；
输出子单元1165，用于根据优化估计值输出h个双差模糊度未知变量分别对应的双差模糊度估计值。
其中，迭代更新子单元1164，具体用于在第k次优化估计中，根据目标双差观测方程矩阵确定针对第k次优化估计的估计参数对应的雅克比矩阵；k为正整数；第一次优化估计的估计参数为默认估计值；k大于1时，第k次优化估计的估计参数为第k-1次优化估计中待估计未知变量的估计值；基于第k次优化估计的阻尼系数、第k次优化估计的估计参数对应的雅克比矩阵和权矩阵确定第k次优化估计的估计值修正量；第一次优化估计的阻尼系数为初始阻尼系数；根据第k次优化估计的估计值修正量更新第k次优化估计的估计参数，得到第k次优化估计中待估计未知变量的估计值；根据阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；若第k次优化估计的估计值修正量小于修正阈值，则确定第k次优化估计中待估计未知变量的估计值为优化估计值；若第k次优化估计的估计值修正量大于修正阈值，则对待估计未知变量进行第k+1次优化估计。
其中，阻尼弹性系数包括第一阻尼弹性系数和第二阻尼弹性系数；第一阻尼弹性系数小于第二阻尼弹性系数；
迭代更新子单元1164，具体还用于根据第k次优化估计的估计参数和目标双差观测方程矩阵确定第一双差残差矩阵；根据第k次优化估计中待估计未知变量的估计值和目标双差观测方程矩阵确定第二双差残差矩阵；若第二双差残差矩阵的模值小于第一双差残差矩阵的模值，则根据第二阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；若第二双差残差矩阵的模值大于第一双差残差矩阵的模值，则根据第一阻尼弹性系数对第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数。
其中，目标矩阵确定子单元1161、系数获取子单元1162、权矩阵确定子单元1163、迭代更新子单元1164以及输出子单元1165的具体实现方式，可以参见上述图4所对应实施例中步骤S205的描述，这里将不再进行赘述。
请再参见图7，上述双差模糊度固定装置1，还包括：阈值确定模块15、校验值确定模块16以及比率校验模块17。
阈值确定模块15，用于基于双差模糊度估计值的数量和对数函数进行模糊度比率自适应调整处理，得到模糊度比率固定阈值；
校验值确定模块16，用于确定双差模糊度估计值对应的协方差矩阵；
校验值确定模块16，还用于根据双差模糊度估计值、协方差矩阵、双差模糊度最优选值和双差模糊度次优选值确定模糊度比率校验值；
比率校验模块17，用于若模糊度比率校验值大于模糊度比率固定阈值，则确定双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果；
比率校验模块17，还用于若模糊度比率校验值小于或等于模糊度比率固定阈值，则确定双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果。
其中，阈值确定模块15、校验值确定模块16以及比率校验模块17的具体实现方式，可以参见上述图4所对应实施例中步骤S208的描述，这里将不再进行赘述。
请再参见图7，继承固定模块13，包括：匹配值确定单元131、最优选匹配单元132、第一固定单元133、次优选匹配单元134以及第二固定单元135。
匹配值确定单元131，用于在双差模糊度表中查找与n个观测卫星分别对应的历史双差模糊度固定值，作为双差模糊度匹配值；
最优选匹配单元132，用于将双差模糊度匹配值与对应的双差模糊度最优选值相等的观测卫星，确定为最优选继承观测卫星；
第一固定单元133，用于若最优选继承观测卫星的数量大于或等于继承数量阈值，则将最优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值；
次优选匹配单元134，用于若最优选继承观测卫星的数量小于继承数量阈值，则将双差模糊度匹配值与对应的双差模糊度次优选值相等的观测卫星，确定为次优选继承观测卫星；
第二固定单元135，用于若次优选继承观测卫星的数量大于或等于继承数量阈值，则将次优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值。
其中，匹配值确定单元131、最优选匹配单元132、第一固定单元133、次优选匹配单元134以及第二固定单元135的具体实现方式，可以参见上述图3所对应实施例中步骤S103的描述，这里将不再进行赘述。
其中，待估计未知变量还包括基线向量未知变量；
请再参见图7，上述双差模糊度固定装置1，还包括：固定校验值确定模块18以及固定校验模块19。
固定校验值确定模块18，用于根据优化估计值输出基线向量未知变量对应的基线向量估计值；
固定校验值确定模块18，还用于根据载波相位双差观测方程矩阵、双差模糊度最优选值和基线向量估计值，确定校验双差残差矩阵；
固定校验值确定模块18，还用于根据载波相位双差测量方程矩阵、双差模糊度最优选值和基线向量估计值，确定校验测量方差矩阵；
固定校验值确定模块18，还用于根据校验双差残差矩阵和校验测量方差矩阵确定固定校验值；
固定校验模块19，用于若固定校验值大于固定阈值，则执行根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值的步骤。
其中，固定校验值确定模块18以及固定校验模块19的具体实现方式，可以参见上述图4所对应实施例中步骤S209的可选描述，这里将不再进行赘述。
请参见图8，是本申请实施例提供的一种计算机设备的结构示意图。如图8所示，该计算机设备1000可以包括：处理器1001，网络接口1004和存储器1005，此外，上述计算机设备1000还可以包括：用户接口1003，和至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，用户接口1003可以包括显示屏（Display）、键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1004可以是高速RAM存储器，也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在如图8所示的计算机设备1000中，网络接口1004可提供网络通讯网元；而用户接口1003主要用于为用户提供输入的接口；而处理器1001可以用于调用存储器1005中存储的设备控制应用程序，以实现：
获取观测数据，基于观测数据确定双差模糊度估计值，对双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数；
获取双差模糊度表；双差模糊度表包括m个观测卫星分别基于参考卫星确定的历史双差模糊度固定值；m为正整数；m个观测卫星包含n个观测卫星；
若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于双差模糊度最优选值和双差模糊度次优选值，对双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；
若双差模糊度最优选值和双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据双差模糊度最优选值更新双差模糊度表，将双差模糊度最优选值确定为当前双差模糊度固定值。
应当理解，本申请实施例中所描述的计算机设备1000可执行前文图3、图4任一个所对应实施例中对该双差模糊度固定方法的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。
此外，这里需要指出的是：本申请实施例还提供了一种计算机可读存储介质，且上述计算机可读存储介质中存储有前文提及的双差模糊度固定装置1所执行的计算机程序，且上述计算机程序包括程序指令，当上述处理器执行上述程序指令时，能够执行前文图3、图4任一个所对应实施例中对上述双差模糊度固定方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。
上述计算机可读存储介质可以是前述任一实施例提供的双差模糊度固定装置或者上述计算机设备的内部存储单元，例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡（smart media card，SMC），安全数字（secure digital，SD）卡，闪存卡（flash card）等。进一步地，该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
此外，这里需要指出的是：本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前文图3、图4任一个所对应实施例提供的方法。
本申请实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照网元一般性地描述了各示例的组成及步骤。这些网元究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的网元，但是这种实现不应认为超出本申请的范围。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (15)
1.一种双差模糊度固定方法，其特征在于，包括：
获取观测数据，基于所述观测数据确定双差模糊度估计值，对所述双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值；所述观测数据包括参考卫星和n个观测卫星分别对应的观测数据；n为正整数；
获取双差模糊度表；所述双差模糊度表包括m个观测卫星分别基于所述参考卫星确定的历史双差模糊度固定值；m为正整数；所述m个观测卫星包含所述n个观测卫星；
若所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验不通过结果，则基于所述双差模糊度最优选值和所述双差模糊度次优选值，对所述双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值；
若所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验通过结果，则根据所述双差模糊度最优选值更新所述双差模糊度表，将所述双差模糊度最优选值确定为当前双差模糊度固定值。
2.根据权利要求1所述的方法，其特征在于，所述获取观测数据，基于所述观测数据确定双差模糊度估计值，对所述双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值，包括：
获取观测数据；
根据所述观测数据构建伪距双差观测方程矩阵和载波相位双差观测方程矩阵；
对所述伪距双差观测方程矩阵和所述载波相位双差观测方程矩阵分别进行粗差探测和剔除处理，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵；所述优化载波相位双差观测方程矩阵包括h个观测卫星分别对应的双差模糊度未知变量；h为正整数；所述h个观测卫星属于所述n个观测卫星；
根据所述观测数据构建伪距双差测量方程矩阵和载波相位双差测量方程矩阵；
获取待估计未知变量；所述待估计未知变量包括所述h个观测卫星分别对应的双差模糊度未知变量；
根据所述优化伪距双差观测方程矩阵、所述优化载波相位双差观测方程矩阵、所述伪距双差测量方程矩阵和所述载波相位双差测量方程矩阵，对所述待估计未知变量进行优化估计，得到h个双差模糊度未知变量分别对应的双差模糊度估计值；
对所述双差模糊度估计值进行模糊度搜索处理，得到双差模糊度最优选值和双差模糊度次优选值。
3.根据权利要求2所述的方法，其特征在于，所述参考卫星和所述n个观测卫星分别对应的观测数据包括基准站伪距观测值、基准站载波相位观测值、流动站伪距观测值以及流动站载波相位观测值；所述基准站伪距观测值和所述基准站载波相位观测值是由基准站观测得到的；所述流动站伪距观测值和所述流动站载波相位观测值是由流动站观测得到的；
所述根据所述观测数据构建伪距双差观测方程矩阵和载波相位双差观测方程矩阵，包括：
根据所述参考卫星和所述n个观测卫星分别对应的基准站伪距观测值和流动站伪距观测值确定伪距双差观测值；
根据所述参考卫星和所述n个观测卫星分别对应的基准站载波相位观测值和流动站载波相位观测值确定载波相位双差观测值；
确定所述参考卫星和所述n个观测卫星分别与所述基准站之间的第一几何距离；
确定所述参考卫星和所述n个观测卫星分别与所述流动站之间的第二几何距离；
根据修正值经验模型，确定所述n个观测卫星分别对应的双差对流层修正值和双差电流层修正值；
根据所述伪距双差观测值、所述第一几何距离、所述第二几何距离、所述双差对流层修正值和所述双差电流层修正值，构建伪距双差观测方程矩阵；
设置所述n个观测卫星分别对应的双差模糊度未知变量；
根据所述载波相位双差观测值、所述第一几何距离、所述第二几何距离、所述双差对流层修正值和所述双差电流层修正值以及所述n个观测卫星分别对应的双差模糊度未知变量，构建载波相位双差观测方程矩阵。
4.根据权利要求2所述的方法，其特征在于，所述伪距双差观测方程矩阵包括n个伪距双差观测方程；所述载波相位双差观测方程矩阵包括n个载波相位双差观测方程；一个观测卫星关联有一个伪距双差观测方程和一个载波相位双差观测方程；
所述对所述伪距双差观测方程矩阵和所述载波相位双差观测方程矩阵分别进行粗差探测和剔除处理，得到优化伪距双差观测方程矩阵和优化载波相位双差观测方程矩阵，包括：
对所述伪距双差观测方程矩阵进行粗差探测处理，确定所述n个伪距双差观测方程的第一粗差探测结果；
对所述载波相位双差观测方程矩阵进行粗差探测处理，确定所述n个载波相位双差观测方程的第二粗差探测结果；
将所述第一粗差探测结果为粗差结果的伪距双差观测方程相关联的观测卫星，以及所述第二粗差探测结果为粗差结果的载波相位双差观测方程相关联的观测卫星，均确定为粗差卫星；
从所述伪距双差观测方程矩阵中，剔除与所述粗差卫星相关联的伪距双差观测方程，得到优化伪距双差观测方程矩阵；
从所述载波相位双差观测方程矩阵中，剔除与所述粗差卫星相关联的载波相位双差观测方程，得到优化载波相位双差观测方程矩阵。
5.根据权利要求4所述的方法，其特征在于，所述n个伪距双差观测方程包括目标伪距双差观测方程；
所述对所述伪距双差观测方程矩阵进行粗差探测处理，确定所述n个伪距双差观测方程的第一粗差探测结果，包括：
确定所述伪距双差观测方程矩阵对应的中位数和绝对中位差；
获取所述目标伪距双差观测方程对应的伪距双差观测元素，确定所述伪距双差观测元素与所述中位数对应的差值绝对值；
将所述差值绝对值与所述绝对中位差相除，得到粗差概率值；
若所述粗差概率值大于粗差概率阈值，则确定所述目标伪距双差观测方程的第一粗差探测结果为粗差结果。
6.根据权利要求2所述的方法，其特征在于，所述n个观测卫星分别对应的观测数据包括基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；
所述根据所述观测数据构建伪距双差测量方程矩阵和载波相位双差测量方程矩阵，包括：
确定所述优化伪距双差观测方程矩阵中伪距双差观测方程相关联的h个观测卫星；
从所述n个观测卫星分别对应的观测数据中获取所述h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角；
获取伪距观测随机模型；
根据所述伪距观测随机模型、所述h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建伪距双差测量方程矩阵；
获取载波相位观测随机模型；
根据所述载波相位观测随机模型、所述h个观测卫星分别对应的基准站卫星信噪比、基准站高度角、流动站卫星信噪比和流动站高度角，构建载波相位双差测量方程矩阵。
7.根据权利要求2所述的方法，其特征在于，所述根据所述优化伪距双差观测方程矩阵、所述优化载波相位双差观测方程矩阵、所述伪距双差测量方程矩阵和所述载波相位双差测量方程，对所述待估计未知变量进行优化估计，得到h个双差模糊度未知变量分别对应的双差模糊度估计值，包括：
根据所述优化伪距双差观测方程矩阵和所述优化载波相位双差观测方程矩阵确定目标双差观测方程矩阵；
获取初始阻尼系数和阻尼弹性系数；
根据所述伪距双差测量方程矩阵和所述载波相位双差测量方程确定权矩阵；
根据所述目标双差观测方程矩阵、所述初始阻尼系数、所述阻尼弹性系数、和所述权矩阵对所述待估计未知变量进行优化估计，得到优化估计值；
根据所述优化估计值输出所述h个双差模糊度未知变量分别对应的双差模糊度估计值。
8.根据权利要求7所述的方法，其特征在于，所述根据所述目标双差观测方程矩阵、所述初始阻尼系数、所述阻尼弹性系数和所述权矩阵对所述待估计未知变量进行优化估计，得到优化估计值，包括：
在第k次优化估计中，根据所述目标双差观测方程矩阵确定针对第k次优化估计的估计参数对应的雅克比矩阵；k为正整数；第一次优化估计的估计参数为默认估计值；k大于1时，第k次优化估计的估计参数为第k-1次优化估计中所述待估计未知变量的估计值；
基于第k次优化估计的阻尼系数、所述第k次优化估计的估计参数对应的雅克比矩阵和所述权矩阵确定第k次优化估计的估计值修正量；第一次优化估计的阻尼系数为初始阻尼系数；
根据所述第k次优化估计的估计值修正量更新所述第k次优化估计的估计参数，得到第k次优化估计中所述待估计未知变量的估计值；
根据所述阻尼弹性系数对所述第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；
若所述第k次优化估计的估计值修正量小于修正阈值，则确定所述第k次优化估计中所述待估计未知变量的估计值为优化估计值；
若所述第k次优化估计的估计值修正量大于修正阈值，则对所述待估计未知变量进行第k+1次优化估计。
9.根据权利要求8所述的方法，其特征在于，所述阻尼弹性系数包括第一阻尼弹性系数和第二阻尼弹性系数；所述第一阻尼弹性系数小于所述第二阻尼弹性系数；
所述根据所述阻尼弹性系数对所述第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数，包括：
根据所述第k次优化估计的估计参数和所述目标双差观测方程矩阵确定第一双差残差矩阵；
根据所述第k次优化估计中所述待估计未知变量的估计值和所述目标双差观测方程矩阵确定第二双差残差矩阵；
若所述第二双差残差矩阵的模值小于所述第一双差残差矩阵的模值，则根据所述第二阻尼弹性系数对所述第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数；
若所述第二双差残差矩阵的模值大于所述第一双差残差矩阵的模值，则根据所述第一阻尼弹性系数对所述第k次优化估计的阻尼系数进行更新，得到第k+1次优化估计的阻尼系数。
10.根据权利要求1所述的方法，其特征在于，还包括：
基于所述双差模糊度估计值的数量和对数函数进行模糊度比率自适应调整处理，得到模糊度比率固定阈值；
确定所述双差模糊度估计值对应的协方差矩阵；
根据所述双差模糊度估计值、所述协方差矩阵、所述双差模糊度最优选值和所述双差模糊度次优选值确定模糊度比率校验值；
若所述模糊度比率校验值大于所述模糊度比率固定阈值，则确定所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验通过结果；
若所述模糊度比率校验值小于或等于所述模糊度比率固定阈值，则确定所述双差模糊度最优选值和所述双差模糊度次优选值对应的比率校验结果为校验不通过结果。
11.根据权利要求1所述的方法，其特征在于，所述基于所述双差模糊度最优选值和所述双差模糊度次优选值，对所述双差模糊度表中的历史双差模糊度固定值进行模糊度继承处理，得到当前双差模糊度固定值，包括：
在所述双差模糊度表中查找与所述n个观测卫星分别对应的历史双差模糊度固定值，作为双差模糊度匹配值；
将所述双差模糊度匹配值与对应的双差模糊度最优选值相等的观测卫星，确定为最优选继承观测卫星；
若所述最优选继承观测卫星的数量大于或等于继承数量阈值，则将所述最优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值；
若所述最优选继承观测卫星的数量小于继承数量阈值，则将所述双差模糊度匹配值与对应的双差模糊度次优选值相等的观测卫星，确定为次优选继承观测卫星；
若所述次优选继承观测卫星的数量大于或等于所述继承数量阈值，则将所述次优选继承观测卫星对应的双差模糊度匹配值确定为当前双差模糊度固定值。
12.根据权利要求7所述的方法，其特征在于，所述待估计未知变量还包括基线向量未知变量；
所述方法还包括：
根据所述优化估计值输出所述基线向量未知变量对应的基线向量估计值；
根据所述优化载波相位双差观测方程矩阵、所述双差模糊度最优选值和所述基线向量估计值，确定校验双差残差矩阵；
根据所述载波相位双差测量方程矩阵、所述双差模糊度最优选值和所述基线向量估计值，确定校验测量方差矩阵；
根据所述校验双差残差矩阵和校验测量方差矩阵确定固定校验值；
若所述固定校验值大于固定阈值，则执行根据所述双差模糊度最优选值更新所述双差模糊度表，将所述双差模糊度最优选值确定为当前双差模糊度固定值的步骤。
13.一种计算机设备，其特征在于，包括：处理器、存储器以及网络接口；
所述处理器与所述存储器、所述网络接口相连，其中，所述网络接口用于提供数据通信功能，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行权利要求1-12任一项所述的方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序适于由处理器加载并执行权利要求1-12任一项所述的方法。
15.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时，可以执行权利要求1-12任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111531592.6A CN113917509B (zh) | 2021-12-15 | 2021-12-15 | 一种双差模糊度固定方法、设备以及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111531592.6A CN113917509B (zh) | 2021-12-15 | 2021-12-15 | 一种双差模糊度固定方法、设备以及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113917509A true CN113917509A (zh) | 2022-01-11 |
| CN113917509B CN113917509B (zh) | 2022-03-01 |
Family
ID=79248921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111531592.6A Active CN113917509B (zh) | 2021-12-15 | 2021-12-15 | 一种双差模糊度固定方法、设备以及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113917509B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024131282A1 (zh) * | 2022-12-22 | 2024-06-27 | 广州导远电子科技有限公司 | 一种周跳探测方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106873017A (zh) * | 2017-02-21 | 2017-06-20 | 上海海积信息科技股份有限公司 | 模糊度固定方法 |
| CN109932735A (zh) * | 2019-03-25 | 2019-06-25 | 中国铁路设计集团有限公司 | 北斗短基线单频单历元解算的定位方法 |
| JP2019197009A (ja) * | 2018-05-10 | 2019-11-14 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
| CN111856533A (zh) * | 2020-06-11 | 2020-10-30 | 广州南方卫星导航仪器有限公司 | 一种gnss模糊度搜索方法、设备及介质 |
| CN113138402A (zh) * | 2020-01-19 | 2021-07-20 | 千寻位置网络有限公司 | 基于rtk的模糊度固定方法及装置、存储介质 |
| CN113466903A (zh) * | 2021-08-16 | 2021-10-01 | 电子科技大学 | 一种顾及观测值系统误差的部分模糊度固定算法 |
-
2021
- 2021-12-15 CN CN202111531592.6A patent/CN113917509B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106873017A (zh) * | 2017-02-21 | 2017-06-20 | 上海海积信息科技股份有限公司 | 模糊度固定方法 |
| JP2019197009A (ja) * | 2018-05-10 | 2019-11-14 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
| CN109932735A (zh) * | 2019-03-25 | 2019-06-25 | 中国铁路设计集团有限公司 | 北斗短基线单频单历元解算的定位方法 |
| CN113138402A (zh) * | 2020-01-19 | 2021-07-20 | 千寻位置网络有限公司 | 基于rtk的模糊度固定方法及装置、存储介质 |
| CN111856533A (zh) * | 2020-06-11 | 2020-10-30 | 广州南方卫星导航仪器有限公司 | 一种gnss模糊度搜索方法、设备及介质 |
| CN113466903A (zh) * | 2021-08-16 | 2021-10-01 | 电子科技大学 | 一种顾及观测值系统误差的部分模糊度固定算法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024131282A1 (zh) * | 2022-12-22 | 2024-06-27 | 广州导远电子科技有限公司 | 一种周跳探测方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113917509B (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109709591B (zh) | 一种面向智能终端的gnss高精度定位方法 | |
| US10356562B2 (en) | Systems and methods for graph-based localization and mapping | |
| RU2479855C2 (ru) | Зависящее от расстояния уменьшение ошибки при определении местоположения в режиме кинематики реального времени | |
| CN112327340B (zh) | 终端定位精度评估方法、装置、设备以及介质 | |
| CN114646992B (zh) | 定位方法、装置、计算机设备、存储介质和计算机程序产品 | |
| JP2001183439A (ja) | 統計的フィルタの使用に基づいた汎用位置決めシステム | |
| CN110320536B (zh) | 卫星定位参数校准方法、装置、终端设备及存储介质 | |
| CN111736185B (zh) | 终端定位方法、装置及计算机可读存储介质和终端设备 | |
| US11781868B2 (en) | System and method for GNSS reflective surface mapping and position fix estimation | |
| CN113050142B (zh) | 终端设备的定位方法、装置、电子设备及可读存储介质 | |
| CN113917510A (zh) | 数据处理方法、装置、设备、存储介质及计算机程序产品 | |
| US20240280679A1 (en) | Positioning method and apparatus, device, and storage medium | |
| CN117826200A (zh) | 基于PPP-B2b的海上实时精密定位方法、系统和介质 | |
| CN113917509B (zh) | 一种双差模糊度固定方法、设备以及可读存储介质 | |
| CN114879222A (zh) | 一种基于自适应随机模型的全球电离层建模方法 | |
| CN114174870A (zh) | 用于确定描述至少一个特定于环境的gnss曲线的模型的方法 | |
| Zhang et al. | GNSS position-aided delay-locked loops for accurate urban navigation | |
| CN111399019B (zh) | 一种gnss中卫星定位方法和装置 | |
| CN115585807B (zh) | 基于机器学习的gnss/ins组合导航方法 | |
| Zhilinskiy | GLONASS Satellite Pseudorange Errors Mitigation Using Gradient Boosting Machine | |
| Li et al. | An improved ambiguity resolution algorithm based on particle filter for ins/rtk integration in urban environments | |
| CN116953755A (zh) | 模糊度固定方法、装置、存储介质及电子设备 | |
| Wu et al. | Height accuracy of one and a half centimetres by GPS rapid static surveying | |
| CN117331106A (zh) | 基于速度辅助的高精度手机定位方法及系统 | |
| CN117406261A (zh) | 全球导航卫星系统基线静态相对定位方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40065632 Country of ref document: HK |